跟着全球数据量的爆破式添加，空分复用（SDM）技能已成为进步通讯容量的一种有出路的解决方案，现在已经在多芯光纤、少模光纤和自由空间光通讯中大范围的使用。但是，因为光传输过程中不同信道会产生串扰，这将导致信号质量下降，因而就需求在接纳端用数字信号处理（DSP）算法来进行解扰，但这会添加复杂度、规划困难和功耗。

　　近年来，集成可重构光处理器已被用于模分复用体系中的光信号解扰。但是，现在首要的在线练习算法（如数值梯度下降算法）每次迭代都需求逐一更新变量来核算丢失函数，这会导致很多的核算量和较长的练习时刻。而遗传算法（GA）、粒子群优化（PSO）算法等集体智能算法必须有足够大的种群规划以确保练习作用的可靠性，这也会带来较大的运算量，因而，寻觅一种适用于光学矩阵装备的高效优化算法对大规划光子核算芯片在线练习与多维光通讯体系均有较大含义。

　　最近，华中科技大学武汉光电国家研讨中心王健教授带领的多维光子学试验室（MDPL）团队在光学矩阵核算芯片在线练习方面取得了发展，相关作用以“Efficient stochastic parallel gradient descent training for on-chip optical processor”为题作为封面文章宣布在Opto-Electronic Advances(OEA, 光电发展）2024年第4期。该作业提出了一种使用随机并行梯度下降算法（SPGD algorithm）的光学神经网络芯片在线练习办法，算法流程图如图1所示，该办法比较现在干流的离散梯度下降算法、遗传算法、粒子群算法等优化算法极大地减少了运算次数，可以大幅度节省练习过程中的功耗，有望使用于超大规划光学矩阵核算芯片的在线SPGD算法流程图

　　为了验证所提出优化办法的可行性，该团队规划制作了依据级联马赫-曾德尔干涉仪（MZI）的6×6可重构光处理器芯片并进行了在线练习试验，包含光交流矩阵、光信号解扰矩阵以及二者的结合。图2展现了该光处理在实践模分复用（MDM）光通讯体系的使用场景以及处理器内部结构。图3给出了练习的作用，可以正常的看到关于多维光通讯体系中的光交流和光信号解扰使命都有较好的练习作用。

　　图2 (a) MDM光通讯体系中用于光交流和信道解码器的片上光处理器的概念图。(b)集成可重构光处理器内部结构图。

　　图3在线练习作用。（a）光交流,（b）光信号解扰,（c）光信号解扰+交流

　　在此基础上，该团队将这种可重构光处理器芯片使用于高速光通讯体系，用于补偿传输过程中的形式串扰。所选用的试验设备图如图4（a）所示，选用20 Gbaud的16QAM信号，可以正常的看到光经过练习好的光子芯片后信号的质量得到了显着的改进（见图4（e, f）），误码率也显着下降。

　　最终，该团队还研讨对比了光学矩阵规划扩展到10×10、16×16、32×32时SPGD算法与传统梯度算法、遗传算法和粒子群算法的运算量，依据作用得出跟着矩阵规划的扩展SPGD算法运算量的增幅小于其他算法。

　　华中科技大学多维光子学试验室（Multi-Dimensional Photonics Laboratory，MDPL）团队长时间致力于光场调控、多维光通讯、光信号处理、光电子器材与集成、硅基光子集成芯片等研讨并取得了系列重要作用。团队瞄准高速大容量光通讯和光子集成芯片等国家严重需求和国际科学技能前沿，承当了多项国家重点研制方案等项目，作用当选美国光学学会重要发展和国家“十三五”科学技能创新成就展。